2019年郑州冬、春季重污染期间PM2.5污染特征分析

为研究郑州冬、春季重度污染期间细颗粒物的组分特征、污染来源、气象影响因素及外来传输影响,基于本地超级站污染监测数据及相关气象要素监测数据对重污染时段进行分析,并对本地污染成因进行探讨.结果表明,2019年1—3月郑州共有426 h达到重度及以上污染水平,首要污染物均为PM_2.5.重污染时段碳组分（OC+EC）共占PM_2.5的14.6%,OC与EC存在显著相关性,1、2、3月的r值分别为0.72、0.89和0.91,且二者比值多介于2~4之间,表明机动车和燃煤排放是碳组分的主要来源;水溶性离子浓度排序为NO₃^- > NH₄⁺ > SO₄^2- > Cl^- > K⁺ > Ca²⁺ > Mg²⁺ > Na⁺,SNA（SO₄^2-、NO₃^-、NH₄⁺）浓度达123.37 μg·m^-3,占PM_2.5的61.2%,且NO₃^-占比达30.2%, NO₃^-/SO₄^2-值为1.98,说明移动源对水溶性组分的贡献大于固定源. PMF受体解析结果按污染源贡献量大小依次为：机动车源（34.9%）、二次源（24.6%）、燃煤源（20.2%）、扬尘源（9.2%）、生物质及烟花爆竹源（8.2%）和工业源（2.9%）,机动车和燃煤燃烧是造成大气重污染的主要排放源.气象分析表明,与清洁时段相比,重污染期间大气整体处于有利于颗粒物二次生成和不利于污染扩散的条件下,整体温度偏低（3.2 ℃）,相对湿度较高（67%）,风速较弱（1.3 m·s^-1）.除本地污染物的累积外,来自偏东和偏南方向的短距离传输及东北方向中长距离输送（分别占外界传输的36.4%、22.6%和22.0%）也是造成郑州重污染天气的重要原因.     

反演同化技术在激光雷达中的应用研究

为增强模式预报准确性,提高激光雷达数据在化学模式中的应用水平,建立激光雷达同化系统,将激光雷达数据引入模式,利用WRF-Chem模拟2016年12月6日~10日一次污染过程,将激光雷达监测的气溶胶光学深度(AOD)反演成近地面PM2.5浓度,通过三维变分同化技术订正模式原始场,调整模式预报结果。实验对比发现,反演同化后水平和垂直方向初始场调整显著,PM2.5、PM10和AQI的预报准确率明显提升,同化后相关性提高了0.05~0.1,预报准确率提高了10%~20%,分级风险评分也不同程度升高,与观测结果接近,优于不同化的预报结果。表明激光雷达数据在模式同化方面表现良好,有广阔的应用空间。     

主分量分析法在环境空气监测数据分析中的应用

根据西宁市13个环境空气监测站点2013—2017年大气污染物细颗粒物(PM2. 5)、可吸入颗粒物(PM10)、二氧化硫(SO_2)、二氧化氮(NO_2)、臭氧最大8 h平均(O_3-8h)和一氧化碳(CO)的监测数据,采用主分量分析法对西宁市环境空气质量进行了综合评估。结果表明,2013—2017年西宁市大部分环境空气监测站点周边环境空气质量逐渐提升,4个国控站综合得分(F)趋势变化幅度较大,其周边环境空气质量状况改善较为明显;城南新区、湟源县气象局和西钢监测站点周边环境空气质量呈逐年下降趋势,与其附近工业生产有关。     

基于CAMx-OSAT方法的西宁臭氧来源解析

利用青海省西宁市2018—2019年O₃浓度高值时期监测数据,结合CAMx-OSAT方法从控制型、分类排放源、区域贡献3个方面定量剖析西宁的O₃污染来源.结果表明：西宁O₃浓度整体为VOCs控制,主城四区（城东区、城西区、城北区、城中区）尤其突出,且夏季较为显著;2018年和2019年VOCs的贡献占比分别为9.76%和8.91%;而周边区县由NO_x和VOCs共同控制.除背景场外,工业源对西宁O₃生成的贡献最高,其在2018年和2019年模拟期的贡献占比分别为52.22%和47.24%,其次为交通源.模拟期内,本地源和外地传输的贡献比值约为2：1,西宁的O₃以本地生成为主.本地源中,主城四区是O₃生成的主要区域来源,占比约为32.26%;外地传输中,海东是主要贡献区.因此,为降低西宁本地O₃污染浓度,应在夏季日间时段控制主城区工业源及交通源的VOCs排放,并加强与海东的联防联控.